(AGENPARL) - Roma, 31 Marzo 2026 - Un team di ricercatori del MIT ha sviluppato un innovativo modello di intelligenza artificiale capace di identificare e quantificare difetti atomici nei materiali senza danneggiarli. Si tratta di un passo avanti significativo nella scienza dei materiali, con potenziali applicazioni in settori come semiconduttori, microelettronica, celle solari e batterie.
A differenza della biologia, dove i difetti sono generalmente considerati negativi, nella scienza dei materiali essi possono essere sfruttati per migliorare proprietà fondamentali come la resistenza meccanica, la conduzione termica e l’efficienza energetica. Tuttavia, misurare con precisione questi difetti è sempre stato complesso, soprattutto senza ricorrere a tecniche invasive che rischiano di compromettere il materiale.
Il nuovo modello utilizza dati provenienti dalla diffusione di neutroni, una tecnica non distruttiva, ed è stato addestrato su un database di circa 2.000 materiali semiconduttori. Grazie a questa base, il sistema è in grado di rilevare simultaneamente fino a sei diversi difetti puntiformi, un risultato finora impossibile con i metodi tradizionali.
“Le tecniche esistenti non riescono a caratterizzare i difetti in modo universale e quantitativo senza distruggere il materiale”, ha spiegato Mouyang Cheng, autore principale dello studio. Il modello sfrutta meccanismi avanzati di apprendimento automatico per distinguere le differenze tra materiali con e senza difetti, identificando anche i dopanti utilizzati e la loro concentrazione.
Il progetto ha coinvolto anche ricercatori dell’Oak Ridge National Laboratory ed è stato pubblicato sulla rivista Matter. I risultati dimostrano che il sistema può individuare difetti anche in concentrazioni molto basse, fino allo 0,2%.
Secondo gli autori, questo approccio potrebbe rivoluzionare i processi industriali, consentendo controlli di qualità più accurati e meno invasivi. Attualmente, infatti, molte aziende si affidano a test distruttivi su campioni limitati, con il rischio di non rilevare anomalie nei prodotti finali.
I ricercatori stanno già lavorando a una versione del modello compatibile con tecniche più diffuse come la spettroscopia Raman, con l’obiettivo di rendere la tecnologia più accessibile all’industria. In prospettiva, l’uso dell’intelligenza artificiale potrebbe offrire una visione completa dei difetti nei materiali, migliorandone progettazione e prestazioni.
